一维卷积原理：

image.png

多维卷积原理：即每个通道进行一维卷积

模糊：均值模糊、中值模糊、自定义模糊

均值模糊

def blur_function(image):
    """
    均值模糊：用于去除随机噪声
    """
    horizontal_blur = cv.blur(image, (15, 1))  # 水平模糊
    cv.imshow("horizontal_blur", horizontal_blur)

    vertical_blur = cv.blur(image, (1, 15))  # 垂直模糊
    cv.imshow("vertical_blur", vertical_blur)

均值模糊

中值模糊


def media_blur_function(image):
    """
    中值模糊：用于去除椒盐噪声，即一粒粒的噪音
    """
    media_blur = cv.medianBlur(image, 5)
    cv.imshow("media_blur", media_blur)

除椒盐噪音

自定义模糊

def custom_blur_function(image):
    """
        自定义模糊：可以进行模糊和锐化
    """
    kernel = np.ones([5, 5], np.float32)/25  # 5*5 = 25
    #kernel = np.array([[1, 1, 1], [1, 1, 1], [1, 1, 1]], np.float32) /9 # 这个9要注意，何时求取整看总和吧，可能
    
    dst = cv.filter2D(image, -1, kernel=kernel)
    cv.imshow("custom_blur", dst)

自定义模糊

#锐化
kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]], np.float32)
#总和 = 0：表示做边缘梯度
#总和 = 1：表示做增强的工作

dst = cv.filter2D(image, -1, kernel=kernel)
cv.imshow("custom_blur", dst)

锐化，图像增强

kernel = np.array([[0, -1, 0], [-1, 5, -1], [-1, -1, 0]], np.float32)
#总和 = 0：表示做边缘梯度

dst = cv.filter2D(image, -1, kernel=kernel)
cv.imshow("custom_blur", dst)

边缘梯度